如何使用Python将多页PDF合并为单个可复制文本的PDF？

要实现保留文本可复制性的PDF合并，推荐使用PyPDF2库——它直接操作PDF的页面结构，不会将内容转成图片，完美适配AI读取的需求。

步骤1：安装依赖库 #

执行以下命令安装最新版PyPDF2：

pip install PyPDF2

步骤2：合并脚本 #

以下脚本支持批量合并指定目录下的PDF，或手动指定PDF列表：

from PyPDF2 import PdfMerger
import os

def merge_pdfs(input_pdf_paths, output_path):
    # 初始化PDF合并器
    merger = PdfMerger()
    
    for pdf_path in input_pdf_paths:
        try:
            # 添加PDF文件到合并器
            merger.append(pdf_path)
            print(f"已添加文件: {pdf_path}")
        except Exception as e:
            print(f"处理文件 {pdf_path} 时出错: {str(e)}")
    
    # 写入合并后的PDF
    with open(output_path, 'wb') as output_file:
        merger.write(output_file)
    merger.close()
    print(f"合并完成，输出文件: {output_path}")

# 示例用法
if __name__ == "__main__":
    # 方式1：手动指定要合并的PDF路径列表（按顺序排列）
    # pdf_list = ["file1.pdf", "file2.pdf", "file3.pdf"]
    
    # 方式2：合并指定目录下的所有PDF（按文件名排序）
    target_dir = "./pdfs_to_merge"
    pdf_list = [os.path.join(target_dir, f) for f in os.listdir(target_dir) if f.endswith('.pdf')]
    pdf_list.sort()  # 按文件名排序，保证合并顺序
    
    output_file = "merged_output.pdf"
    merge_pdfs(pdf_list, output_file)

关键注意事项 #

• 确保输入的PDF是文本型PDF：如果输入的是扫描生成的图片型PDF，合并后依然是图片格式，无法复制文本——这种情况需要先做OCR识别，不属于本脚本的处理范围。
• 处理加密PDF：如果遇到加密的PDF，需要先在append前添加解密逻辑：

  from PyPDF2 import PdfReader
  reader = PdfReader(pdf_path)
  if reader.is_encrypted:
      # 如果有密码，替换为实际密码；无密码则传空字符串
      reader.decrypt("your_password")
      merger.append(reader)
  else:
      merger.append(pdf_path)
  

• 避免使用旧版本PyPDF2：1.x版本的PdfFileMerger已被弃用，必须使用2.x及以上版本的PdfMerger。

常见失败原因排查 #

1. 路径错误：检查输入PDF的路径是否正确，避免相对路径混乱，建议使用绝对路径。
2. PDF文件损坏：尝试用PDF阅读器打开输入文件，确认文件可正常读取。
3. 依赖库版本问题：卸载旧版本后重新安装最新版：pip uninstall PyPDF2 && pip install PyPDF2

内容的提问来源于stack exchange，提问作者Benedikt Wörner